Студентка ГУАП создала приложение для наблюдения за пациентами с рассеянным склерозом

Студентка Института информационных технологий и программирования ГУАП Алина Далибаева разработала мобильное приложение NeuroLife. Оно помогает пациентам с рассеянным склерозом ежедневно фиксировать изменения самочувствия, а врачам — следить за динамикой между плановыми визитами, рассказали в администрации Санкт-Петербурга.

В электронном дневнике можно оценивать девять показателей, включая онемение, нарушение координации, зрительные нарушения и мышечную слабость. Для каждого симптома предусмотрена подробная шкала, а на основе введённых данных приложение рассчитывает индекс состояния дня от 0 до 100. Отдельный модуль позволяет сопоставлять качество сна, уровень усталости и настроение.

NeuroLife анализирует изменения показателей и формирует сигналы о возможном ухудшении. Система учитывает устойчивое усиление отдельных симптомов и изменение их средних значений за неделю. Оповещения получают разные уровни приоритета и могут быть переданы врачу через защищённый канал связи.

В приложение также встроены моторные тесты. Таппинг-тест оценивает мелкую моторику отдельно для каждой руки, а тест времени реакции включает пять попыток со случайной задержкой сигнала. Результаты сохраняются в истории и отображаются на графиках.

Врач видит закреплённых за ним пациентов, последние записи, средние показатели за семь дней и активные сигналы. Высокий уровень предупреждений отмечается красной меткой. Специалист может назначать и редактировать план лечения с указанием препарата, дозировки, рекомендаций и даты следующего визита, после чего пациент получает уведомление.

Работу NeuroLife проверили с помощью 30 тестов, включая 11 модульных тестов и 11 пользовательских сценариев, — все завершились успешно. Приложение предназначено для информационной поддержки и мониторинга, а не для самостоятельной диагностики или изменения лечения. В дальнейшем разработчики планируют подключить носимые устройства, добавить тест когнитивных функций, push-уведомления и персонализированное прогнозирование с помощью машинного обучения. Следующим этапом должны стать сотрудничество с неврологами и клиническая апробация на реальной выборке пациентов.